机器学习峰会专题访谈：设计具有社会意识的算法
在首届某中心网络服务机器学习峰会上，某中心学者Michael Kearns将分享关于设计更"符合伦理"的算法和模型的最新研究。这些方法能够在保持人工智能和机器学习优势的同时，遵守公平性、可解释性和隐私等重要社会规范。
演讲主题：伦理算法设计
Kearns将介绍机器学习社区在设计更"符合伦理"的算法和模型方面的最新研究。重点包括：
差分隐私工具包：这是一种强大的方法，通过向计算中添加噪声和随机性，使得在开发机器学习模型的同时能够为个人隐私提供强有力的保障。
基于博弈论的机器学习算法：可用于执行涉及种族或性别的群体公平概念。博弈论是一个数学框架，用于推理个体相互作用的系统中的集体结果。生成对抗网络（GANs）可用于将算法构建为生成器与判别器之间的游戏。
该主题的科学意义
即使是非专业观察者也已注意到社会对人工智能和机器学习潜在危害和滥用的日益关注。虽然这些报告通常呼吁加强技术相关法律法规，但相关科学研究指出了一个替代性、补充性的解决方案：从一开始就设计具有社会意识的、"行为更良好"的算法和模型。
其中一些科学相对成熟（如差分隐私），而其他方法则较为新兴（如使ML模型更"可解释"或"可说明"的努力）。我们需要进一步探索这些主题，以更深入地理解人们如何使用和解释预测模型。
三大令人兴奋的发展
算法技术的平衡：基础科学本身指向了一套新的算法技术，能够在准确性和实用性的常规目标与AI和ML的主要社会关切之间取得平衡。
实际应用中的规模化采用：包括2020年美国人口普查对差分隐私的采用，以及某机构自身新的公平和可解释ML服务。
跨学科社区的形成：在过去十年中围绕这些问题形成了真正跨学科的社区，包括并需要ML研究人员、法律和监管专家、政策制定者、社会科学家、公民自由团体甚至哲学家。
通过注册参加6月2日的虚拟某中心网络服务机器学习峰会，可以了解更多关于Kearns的研究并观看他的演讲。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）
公众号二维码
公众号二维码
